Алгоритм EM
Алгоритм Expectation-Maximization (EM) — это итеративная процедура оптимизации для нахождения оценок максимального правдоподобия или максимальной апостериорной вероятности параметров в статистических моделях со скрытыми переменными или пропущенными данными. Представленный Демпстером, Лэрдом и Рубином в их основополагающей статье 1977 года, EM чередует вычисление ожидаемого логарифма полного правдоподобия данных (E-шаг) и его максимизацию относительно параметров (M-шаг), гарантируя монотонное неубывание правдоподобия на каждой итерации.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Dempster, A. P., Laird, N. M., & Rubin, D. B. (1977). Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society: Series B, 39(1), 1–38. DOI: 10.1111/j.2517-6161.1977.tb01600.x ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/ru/statistics/em-algorithm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Метод максимального правдоподобияСтатистика↔ compare
- MICEСтатистика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →